Notowania

wiadomości
29-05-2018 (13:51)

Jak deep learning zmienia codzienność branży reklamowej?

Sztuczna inteligencja to już nie tylko superkomputer IBM Deep Blue, pokonujący Garego Kasparowa, czy Libratus wygrywający w pokera ze światowej klasy zawodnikami. Dziś to również system centralnego ogrzewania, który ustala temperaturę w domu zgodnie z upodobaniami domowników, skaner medyczny określający ryzyko chorób oczu, czy baner reklamowy prezentujący telefon, który oglądaliśmy w internecie i pasujący do niego case, o zakupie, którego nie zdążyliśmy jeszcze pomyśleć.

Podziel się
Dodaj komentarz
(A health blog/ Creative Commons/ flickr)

Branża reklamowa coraz śmielej korzysta z najnowszych osiągnięć w dziedzinie sztucznej inteligencji. Japoński oddział agencji McCann w roku 2016 wyprodukował dwa spoty reklamowe. Koncepcja kreatywna pierwszego z nich została przygotowana przez technologię AI, na bazie analizy najlepszych reklam z ostatnich 10 lat. Z kolei za pomysł drugiego spotu odpowiedzialny był zespół kreatywny japońskiej agencji. Następnie oba spoty poddano ocenie internautów. Ostatecznie kreacja przygotowana przez ludzki zespół została lepiej oceniona i wygrała pojedynek. Co świadczy o tym, że ludzka kreatywność nadal przewyższa pomysły pochodzące od maszyn. Tymczasem, sztuczna inteligencja o wiele lepiej sprawdza się w innych dziedzinach reklamy.

Jednym z przykładów jest technologia programmatic, w której nastąpiła pełna automatyzacja i praktycznie wszystko odbywa się przy wykorzystaniu AI. Zdecydowaną przewagą maszyn jest fakt, że nie potrzebują snu czy przerwy na kawę. Bezustannie analizują ogromną liczbę dostępnych danych – 24 godziny na dobę, 7 dni w tygodniu dostosowując działania do każdej, nawet najmniejszej zmiany. Samouczące się algorytmy, wykorzystywane do prowadzenia kampanii internetowych, zapewniają reklamodawcom identyfikację kluczowych klientów i dostarczenie im spersonalizowanych kreacji, a tym samym zachęcają do podjęcia pożądanych działań.

_ Łukasz Abgarowicz - Business Development Director Poland w RTB House _

Szczegółowa i błyskawiczna analiza to podstawa

W retargetingu prawidłowe oszacowanie prawdopodobieństwa konwersji to jeden z kluczowych aspektów efektywności kampanii i wyniku ROI. Obecnie, to algorytmy są odpowiedzialne za przewidzenie czy dany użytkownik odwiedzający nasz sklep ma potencjał zakupowy i na ile ten potencjał można wycenić. Ocena dokonywana jest na podstawie analizy wielu czynników i informacji, takich jak czas od ostatniej wizyty na stronie sklepu, wewnętrznych danych wydawcy, dotyczących wszystkich użytkowników, a także informacji czy dany użytkownik dodał niedawno jakieś produkty do koszyka. Na bazie takich estymacji, każdy użytkownik jest oceniony pod kątem atrakcyjności dla reklamodawcy.

Podczas aukcji w modelu RTB kluczowe decyzje, muszą być podjęte w ciągu milisekund, dlatego tak ważne jest wykorzystywanie najnowszych rozwiązań. Standardowe modele statystyczne czy zwykłe modele opracowane w technologii machine learning opierają się o ludzką intuicję. Zastąpienie klasycznego machine learningu innowacyjnym deep learningiem jest tutaj w pełni uzasadnione i potrzebne, ponieważ człowiek nie jest w stanie przewidzieć i zaprogramować wszystkich korelacji zachowań użytkowników, z zainteresowaniem daną reklamą i wynikiem sprzedażowym. Algorytmy deep learningowe używają ogromnej ilości danych i zachowują się jak ludzie bez konkretnych instrukcji lub reguł, co pozwala dokonać dokładnej analizy i otrzymać ultra-precyzyjne wyniki w błyskawicznym czasie.

O finalnym zakupie decyduje jednak nie tylko potencjał zakupowy. Istotnym elementem jest również sam baner, a dokładnie to co i w jaki sposób jest na nim wyświetlane. Według badań Adlucent, aż 71 proc. respondentów preferuje reklamy dopasowane do ich zainteresowań i zwyczajów zakupowych. Ponadto, badania te pokazują, że konsumenci dwa razy chętniej klikną w reklamę nieznanej im marki, jeśli jej treść jest spersonalizowana i odpowiada ich preferencjom. Za ten aspekt odpowiedzialny jest mechanizm rekomendacji, który czerpie wiedzę ze specyficznych danych o użytkowniku: przeglądane kategorie, czas pomiędzy odsłonami kolejnych produktów czy ceny oglądanych przedmiotów. Algorytmy deep learningowe są w stanie na bieżąco analizować informacje dotyczące użytkownika i każdorazowo dobierać produkty i kreacje, które powinny być mu wyświetlone.

Co zmieni się w najbliższej przyszłości?

Wykorzystanie deep learningu do estymacji potencjału zakupowego, czy rekomendacjach już dziś pozwala w efektywniejszy sposób wykorzystać budżety reklamowe. Deep learning pomaga korzystnie licytować w zyskującym na popularności modelu _ header bidding _. To zaawansowana technologia pozwalająca oferować zasoby reklamowe na wielu platformach Ad Exchange, a jej celem jest zwiększenie przejrzystości w reklamie programmatic. Istotne jest, że wszystkie oferty składane są w tym samym momencie i z reguły przyjęty model aukcyjny to _ first-price _, a tym samym wyższe ceny zakupu. Jednak algorytmy oparte o deep learning błyskawicznie uczą się, jak skutecznie licytować, aby wygrać aukcję i tym samym są w stanie nawet w tak trudnych warunkach sprostać rosnącym oczekiwaniom reklamodawców.

Więcej na temat różnic pomiędzy machine learningiem a deep learningiem opowiedzą eksperci branży podczas FORUM IAB. Przed nami dwunasta edycja najbardziej inspirującej konferencji marketingowej w kraju, organizowanej przez IAB Polska. Już 6-7 czerwca 2018 w warszawskich Złotych Tarasach czeka nas kilkadziesiąt unikalnych wystąpień pod tematem przewodnim Powrót do przyszłości: nowy marketing, człowiek, technologia

Tagi: wiadomości, gospodarka, gospodarka polska
komentarze
+1
+1
ważne
smutne
ciekawe
irytujące
Napisz komentarz

Wybrane dla Ciebie